AI模型评测平台Arena估值31亿美元，10个月接近翻倍

当地时间10月8日，AI模型评测平台Arena完成2亿美元B轮融资，估值升至31亿美元，较今年1月接近翻倍。平台新增对齐能力评测，对内容创作者选模型有参考价值。

发生了什么

当地时间 10 月 8 日，AI 模型评测平台 Arena 竞技场宣布完成 2 亿美元 B 轮融资，估值达到 31 亿美元。Arena 最初是加州大学伯克利分校 2023 年的一项研究项目，通过公众投票对 AI 模型进行排名。

本轮融资由光速创投和 Khosla Ventures 共同领投，Salesforce Ventures、01 Advisors、戴尔科技资本、Endeavor Catalyst、a16z、Felicis 等机构参与投资。今年 1 月，Arena 曾完成 1.5 亿美元 A 轮融资，投后估值 17 亿美元，当时的年化营收为 3,000 万美元。

Arena 此前披露，今年 6 月的年化营收达到 1 亿美元。Arena 称，平台每月吸引数千万名访客。

关键事实

• Arena 完成 2 亿美元 B 轮融资，估值达到 31 亿美元；本轮由光速创投和 Khosla Ventures 共同领投。
• 今年 1 月 A 轮融资 1.5 亿美元，投后估值 17 亿美元，当时年化营收为 3,000 万美元；今年 6 月年化营收达到 1 亿美元。
• 平台对个人用户免费开放，用户可以输入提示词，或让 AI 按照自己的要求编写程序、开发项目，再比较不同模型的完成效果并评分。
• 去年 9 月，Arena 推出面向 AI 模型研发机构和企业的商业服务 AI Evaluations，利用社区用户的反馈数据提供模型性能分析。
• 今年新增对齐能力评测，重点考察模型是否会擅自执行用户没有要求的操作、张冠李戴、谎称完成任务；初步排行榜上 OpenAI 多款模型名列前茅，Claude Opus 5.5 排名第六，Claude Fable 排名第九。

我们的分析

这轮估值变化值得关注，不在于金额本身，而在于它对应了一个需求变化：标准化的模型跑分正在失去一部分参考价值。原文提到，今年 AI 研发机构发现，旗下模型能够通过迎合基准测试的规则获得高分，却未必具备相应的实际能力；企业也不再满足于标准化测试成绩，希望了解哪款模型更适合自己的业务需求。

Arena 在融资公告中称：“AI 的发展速度已经超过了我们的评估能力。模型一旦发现自己在接受测试，固定的基准测试就会失效。世界需要一个中立的第三方，检验 AI 在实际使用中是否安全、行为是否符合人类的预期。Arena 开始承担这一角色。”这可以理解为，模型评估的竞争正在从“谁跑分高”转向“谁在实际任务中更稳定、更少出错”。

对内容创作者和品牌运营者来说，这种变化可能意味着：过去只看某个榜单总分就决定采用哪款模型的做法，风险在上升。一个模型可能在固定测试里表现很好，但真正写文案、做脚本、处理社媒回复时，可能执行了用户没有要求的操作，或把事实归错来源。因此，实际使用投票和对齐能力排行榜可能更有参考价值。

对运营者意味着什么

• 把 Arena 当成模型对比工具，而不是只看标准跑分：平台对个人用户免费开放，可以把同一个提示词或写稿任务发给多个模型，对比完成效果并评分，形成自己常用的模型组合。
• 重点看对齐能力排行榜，尤其是检查“擅自执行用户没有要求的操作”“张冠李戴”“谎称完成任务”这三类问题。做品牌文案、新闻改写、客服话术时，这些风险会直接影响内容准确性和品牌信任。
• 在批量生产内容前增加一道“模型试跑”环节：用小样本测试不同模型的输出风格、事实准确度和格式稳定性，减少后期人工校对成本。不要默认基准测试高分模型一定适合团队的实际业务。
• 如果团队需要向客户或内部说明模型选择，可以关注 Arena 去年 9 月推出的商业服务 AI Evaluations 的公开信息，了解社区反馈数据如何用于模型性能分析，可能比单一跑分更有说服力。